基于特征保持的三维模型四面体化及优化

三维模型四面体化是一种重要的有限元网格生成技术.介绍了一种特征保持的四面体网格生成及优化算法.首先使用三维模型主成分分析进行预处理,然后用体心立方构建初始四面体,接着通过拉普拉斯坐标改变模型边界切点的移动方式保持模型的局部特征,最后构造改进的密度能量误差函数优化四面体网格质量.实验结果表明,该方法可行、有效,且能很好地保持模型特征.     

改进拉普拉斯金字塔模型的高动态图像色调映射方法

高动态图像的色调映射是图像处理的研究热点,用于解决常规色调范围显示设备无法有效显示高动态图像的问题.针对当前色调映射不能精准地显示出图像内容(如丢失细节、模糊弱边缘)的问题,提出一种改进拉普拉斯金字塔模型的高动态图像色调映射方法.首先基于滤波和下采样处理计算出对输入图像进行了简单去噪的高斯金字塔;然后通过约束强边缘数量分离出高斯金字塔中每层图像的强?弱边缘和细节;再针对每层图像构造其分层映射函数,通过增强细节、弱边缘的对比度以及保持强边缘对每层图像进行逐点映射,并据此计算描述每层对比度变化的拉普拉斯金字塔;最后根据拉普拉斯金字塔自底向上重构出目标图像.与已有的多种色调映射方法相比,根据客观评价和主观评价的结果表明,文中方法能增强细节和弱边缘、避免强边缘处梯度反转,更清晰、准确地显示出高动态图像内容.     

视频闪烁干扰无参考辨识方法

视频中时间域上的闪烁干扰是影响视频质量的因素之一,对闪烁干扰的准确辨识不但有利于视频质量的自动分析与诊断,而且能够与干扰去除和质量增强算法形成反馈机制,促进此类算法的自适应性。以监控视频中的闪烁干扰为研究对象,研究发现闪烁干扰信号的差分信号服从拉普拉斯分布。基于拉普拉斯分布的特性和小概率事件的思想,在视频时间域差分信号中采用迭代拟合方法,有效地分离出差分信号中影响闪烁干扰辨识的客观运动差分信号;同时,运用人眼视觉系统的最小可感知差异(JND)理论,通过量化闪烁干扰的频率和闪烁幅度得到闪烁干扰辨识指标,对闪烁干扰进行了有效的无参考辨识,并通过受试者工作特征(ROC)曲线验证了提出的无参考闪烁干扰辨识指标在正负样本的分类上具有比较理想的效果,提出的无参考算法在闪烁干扰辨识方面具有较好的性能。     

基于超图和样本自表征的谱聚类算法*

针对传统谱聚类算法仅考虑数据点对点间的相互关系而未考虑数据间可能隐藏的复杂的相关性的问题,提出一种基于超图和自表征的谱聚类方法。首先,建立数据的超图,得到超图的拉普拉斯矩阵表示;然后,利用L2,1-范数对样本进行行稀疏自表征,同时融入超图来描述数据间多层次的相互关系;最后,利用生成的自表征系数进行谱聚类。利用基于超图的样本自表征技术考虑了样本之间复杂的相关性。通过在Hopkins155等数据集上的实验表明,在聚类错误率评判标准下,算法优于现有基于普通图的谱聚类算法SSC、SRC等。     

基于流形主动学习的遥感图像分类算法

为了高效地解决遥感图像分类问题,提出一种基于流形学习和支持向量机(SVM)的图像分类算法。在初始阶段,该算法首先利用初始训练集训练SVM,并且使用SVM找出离分类界面最近的样本;然后在所选样本中利用拉普拉斯图构建样本空间的流形结构,选出最具有代表性的样本加入训练集;最后利用高光谱图像进行实验进行验证。通过与现有的主动学习算法进行比较,结果表明该算法获得了更高的分类准确率。     

基于SLIC和区域生长的目标分割算法

传统区域生长算法的分割结果依赖于种子点的选取,且图像自身的噪声以及灰度值不均匀等问题易在分割目标过程中形成分割空洞,针对以上问题提出了基于超像素的改进区域生长算法。采用拉普拉斯锐化,增强待分割目标边界,之后根据像素灰度相似的特征采用SLIC（简单线性迭代聚类算法）超像素分割将原始图像分割成若干不规则区域,建立不规则区域间的无向加权图,选取种子区域,根据无向加权图以分割好的不规则区域为单位进行区域生长,最后在分割目标边缘处以像素为单位做区域生长,细化边界。对比于传统区域生长算法,改进后的算法在分割结果上受种子点选取影响较小,且能有效地解决分割空洞等问题。对比于聚类分割,Otsu（最大类间方差）阈值分割法等典型算法,该算法在分割精度上具有明显优势。     

Non-iterative approach for global mesh optimization

This paper presents a global optimization operator for arbitrary meshes. The global optimization operator is composed of two main terms, one part is the global Laplacian operator of the mesh which keeps the fairness and another is the constraint condition which reserves the fidelity to the mesh. The global optimization operator is formulated as a quadratic optimization problem, which is easily solved by solving a sparse linear system. Our global mesh optimization approach can be effectively used in at least three applications: smoothing the noisy mesh, improving the simplified mesh, and geometric modeling with subdivision-connectivity. Many experimental results are presented to show the applicability and flexibility of the approach.     

基于Laplacian Eigenmap的图像变化检测虚警优化技术

对点目标的图像变化检测,现有的变化检测技术结果往往存在着虚警过大的问题。通过深入分析多个传统的变化检测方法的特点,利用各方法的互补性,提出了利用Laplacian Eigenmap对多个方法检测结果进行降维分类的优化技术。首先把各个方法对某个像素的检测结果用向量的形式进行表示,然后利用Laplacian Eigenmap对整个图像的数据流形在低维空间展开,最后利用模糊分类进行分类。该技术有两个优势：（1）在保证现有较高检测率的同时,大大降低了结果的虚警率;（2）它极大地降低了在传统方法中由于人为阈值取舍带来的偏差风险。但该技术的不足之处是增加了计算量。     

Image denoising via sparse coding using eigenvectors of graph Laplacian

Image denoising plays an important role in image processing, which aims to separate clean images from the noisy images. A number of methods have been presented to deal with this practical problem in the past decades. In this paper, a sparse coding algorithm using eigenvectors of the graph Laplacian (EGL-SC) is proposed for image denoising by considering the global structures of images. To exploit the geometry attributes of images, the eigenvectors of the graph Laplacian, which are derived from the graph of noised patches, are incorporated in the sparse model as a set of basis functions. Sequently, the corresponding sparse coding problem is presented and efficiently solved with a relaxed iterative method in the framework of the double sparsity model. Meanwhile, as the denoising performance of the EGL-SC significantly depends on the number of the used eigenvectors, an optimal strategy for the number selection is employed. A parameter called as out-of-control rate is set to record the percentage of the denoised patches that suffer from serious residual errors in the sparse coding procedure. Thus, with the eigenvector number increasing, the appropriate number can be heuristically selected when the out-of-control rate falls below an empirical threshold. Experiments illustrate that the EGL-SC can achieve a better performance than some other well-developed denoising methods, especially in the structural similarity index for the noise of large deviations.     

基于点云配准的人脸三维尺寸测量

接触式人脸三维尺寸测量易损坏表面特征,依赖于特征点标定,常含冗余信息.针对该问题,提出一种基于结构光与多视图图像点云配准的非接触式人脸三维尺寸测量方法.首先利用改进的迭代最近点算法建立转换函数,求出尺度因子、旋转矩阵和平移向量;然后基于模糊C均值算法对人脸面部进行聚类分割以获得候选区域;针对人脸表面离散点云不平整问题,...